1 第一范式
该范式是为了排除 重复组 的出现，因此要求数据库的每个列的值域都由原子值组成；每个字段的值都只能是单一值。1971年埃德加·科德提出了第一范式。即表中所有字段都是不可再分的。
1.1 实例
重复组通常会出现在会计账上，每一笔记录可能有不定个数的值。
举例来说：
“数量”就是所谓的重复组了，而在这种情况下这份资料就不符合第一范式。
再比如，如下联系方式是一个复合属性，就违反了该范式，在数据库中是无法分离出来的。
1.2 解决方案
想要消除重复组的话，只要把每笔记录都转化为单一记录即可：
简单改动即可
即标准的二维表结构。
2 第二范式
前提：标准的二维表，即第一范式成立
表中必须存在业务主键，并且非主键依赖于全部业务主键。
2.1 实例
如下博客表
用户字段作为PK是否可行?
一个用户会对应多个博客记录，且章节标题也能为多个用户所编辑，所以单列字段PK失效
的联合PK
用户积分字段只和用户字段依赖，并不依赖整体的PK，依旧不符第二范式
2.2 解决方案
拆分将依赖的字段单独成表
从上面可发现:
若表的PK只有一个字段，那么它本就符合第二范式
若是多个字段组成，则需考虑是否符合第二范式
3 第三范式
表中的非主键列之间不能相互依赖
3.1 实例 - 课程表
一个字段的PK显然符合第二范式，大部分字段也只依赖PK。然而对于职位字段其实依赖讲师名，所以不符合第三范式。
3.2 解决方案
将不与PK形成依赖关系的字段直接提出单独成表即可：
4 三范式评价
优点
范式化的更新通常比反范式快
当数据较好的范式化后，很少或者没有冗余数据
范式化的数据比较小，放在内存中操作较快
缺点
通常需要进行关联
毕竟阿里规范提到
5 反范式(空间换时间)
反范式的过程就是通过适当的数据冗余来提高查询性能，但冗余数据会牺牲数据一致性。
优点
所有的数据都在同一张表中，可以减少表关联
更好进行索引优化
缺点
存在大量冗余数据
数据维护成本更高(删除异常，插入异常，更新异常)
在企业中很好能做到严格意义上的范式成者反范式，一般需混合使用。
适当的数据冗余
被频繁引用且只能通过Join 2张(或者更多)大表的方式才能得到的小独立字段
这样的场景由于每次Join仅仅只是为了取得某个小字段的值，Join到的记录又大，会造成大量不必要的lO,完全可以通过空间换取时间的方式来优化。
不过，冗余的同时需要确保数据的一致性不会遭到破坏，确保更新的同时冗余字段也被更新。
6 综合案例
在一个网站实例中， 这个网站允许用户发送消息，井且一些用户是付费用户。现在想查看付费用户最近的10条信息。在user表 和message表中都存储用户类型(account type)，而不用完全的反范式化。这避免了完全反范式化的插入和删除问题，因为即使没有消息的时候也不会丢失用户信息。这样也不会把user_message表搞得太大，有助高效获取数据
另一个从父表冗余些数据到子表的理由是排序的需要
缓存衍生值也是有用的。如果需要显示每个用户发了多少消息(类似论坛)，可以每次执行一个昂贵的子查询来计算并显示它；也可以在user表中建个num_messages列，每当用户发新消息时更新这个值。
范式设计
用户表
用户ID、姓名、电话、地址、邮箱
订单表
订单ID、用户ID、下单时间、支付类型、订单状态
订单商品表
订单ID、商品 ID、商品价格
商品表
商品ID、名称、描述、过期时间
SELECT b.用户名, b.电话, b.地址, a.订单ID, SUM(c.商品价价*C.商品数量) as 订单价格 // 上面这就需要三张表的关联了,可能效率就很低了 FROM‘订单表` a JOIN‘用户表’b ON a用户ID=b.用户ID JOIN `订单商品表` C ON c.订单ID= b.订单ID GROUP BY b.用户名，b.电话b.地址,a.订单ID
反范式设计
用户表
用户ID、姓名、电话、地址、邮箱
订单表
订单ID、用户ID、下单时间、支付类型、订单状态、订单价格、用户名、电话、地址
订单商品表
订单ID、商品 ID、商品数量、商品价格
商品表
商品ID、名称、描述、过期时间
SELECT a.用户名,a.电话.a.地址 ,a.订单ID ,a.订单价格 FROM `订单表` a
把用户表的地址加到了订单表，这样查询地址时，就不需要把用户表和订单表关联
参考
